Perbandingan Metode K-Means dan K-Medoids Untuk Clustering Jenis Kriminalitas

Kriminalitas di Indonesia mencakup tindakan melanggar hukum, norma sosial, dan agama yang menyebabkan kerugian ekonomi dan psikologis serta ketegangan sosial dalam masyarakat. Kejahatan seperti pencurian, kekerasan, penipuan, dan narkoba sering dipicu oleh faktor-faktor seperti kemiskinan dan kondisi lingkungan yang mendukung perilaku kriminal. Penelitian ini perlu dilakukan untuk mengatasi masalah kriminalitas yang kompleks dan berdampak luas di Indonesia, khususnya di Kabupaten Karawang. Dengan meningkatnya kejahatan seperti pencurian, kekerasan, penipuan, dan narkoba, yang sering kali dipicu o leh faktor-faktor seperti kemiskinan dan kondisi lingkungan, diperlukan pendekatan yang lebih efektif untuk memahami dan menangani masalah ini. Penelitian ini menggunakan teknik data mining, khususnya analisis klaster, untuk mengelompokkan jenis - jenis kejahatan. Tujuannya adalah untuk mengidentifikasi pola-pola kriminalitas yang ada dan memahami faktor-faktor yang mempengaruhi penyebarannya. Dengan demikian, hasil penelitian ini dapat membantu pihak berwenang dalam mengembangkan strategi pencegahan dan penanganan kejahatan yang lebih tepat sasaran, sehingga dapat meminimalisir dampak negatif kriminalitas di wilayah tersebut. Selain itu, penelitian ini juga berkontribusi pada peningkatan pengetahuan mengenai metode yang paling e fektif dalam analisis data kriminalitas, yang dapat diaplikasikan di daerah lain dengan permasalahan serupa. Hasil penelitian menunjukkan bahwa algoritma K-Means lebih efektif dibandingkan K-Medoids dalam menangani variabilitas data, dengan nilai Silhouette Coefficient sebesar 0.482 dan Davies Bouldin Index 0.915. Implementasi algoritma ini diharapkan dapat mempermudah identifikasi dan penanganan kejahatan di wilayah tersebut.

Kata Kunci: Kriminalitas; Data Mining; K-Means; K-Medoids; Clustering